Курсы по планированию

Методист по автоматизации: Мария Шугурова, МГУ и НИУ ВШЭ (бизнес-планирование).... Курс розглядає задачу хакатона 2020 року з виділення факторів, що найбільше впливають на тривалість життя в Росії, з точки зору фундаментальних та прикладних підходів до зменшення розмірності даних. Курс розбито на 4 частини, де розглядаються різні методи машинного навчання та їх застосування для розв'язання задачі. Після проходження курсу студенти зможуть використовувати різні методи машинного навчання для вирішення задачі виокремлення факторів та побудови моделі для прогнозування тривалості життя в Росії.

встреч-презентаций Активности для открытия Активности для сбора данных Активности для генерации идей Активности для планирования... Цей курс призначений для менеджерів та лідерів, які працюють з командами та хочуть зробити свої зустрічі більш ефективними. Фасилітація допомагає вирощувати команди, де учасники навчаються слухати один одного, поважати інші думки, підтримувати один одного в творчих ідеях, приходити до консенсусу та знаходити рішення. У курсі ви дізнаєтеся про основні характеристики фасилітації, обов'язки фасилітатора, культуру інклюзивних включених рішень, етапи фасилітаційної сесії, активності для відкриття, збору даних, генерації ідей, планування дій та закриття. Після закінчення курсу ви зможете ефективно проводити зустрічі та використовувати фасилітацію для вирощування команд.

создание игрового спрайта на реальном примере для игры Bloodlust 2 D Разобраны все этапы рисования - от планирования... Цей курс навчить вас основам та процесу створення графіки для ігор, зокрема популярної pixel art графіки. Курс розрахований на новачків, які не мають досвіду в рисуванні, pixel art та роботі з Adobe Photoshop. Після проходження курсу ви зможете самостійно створювати стильну графіку для своїх ігор. Курс містить практичні прийоми та файл проекту для більш детального вивчення. Курс має сертифікат.

Методист по автоматизации: Мария Шугурова, МГУ и НИУ ВШЭ (бизнес-планирование).... Перший курс серії Машинне зріння присвячений розпізнаванню зображень за допомогою нейронних мереж на Python. Курс складається з трьох великих частин: Введення в нейронні мережі, Розпізнавання цифр та Розпізнавання автомобільних номерів. Після проходження курсу ви зможете розробляти та навчати нейронні мережі на Python, використовуючи Keras/TensorFlow. Курс містить 5 відеоуроків, а також курсовий проект, під час якого ви створите власну навчену нейронну мережу, яка зможе розпізнавати номери автомобілів на фотографіях.

Методист по автоматизации: Мария Шугурова, МГУ и НИУ ВШЭ (бизнес-планирование).... Це додатковий курс програми Машинного навчання від ITtensive з аналізу часових рядів. Курс складається з трьох практичних завдань, які дозволяють прогнозувати ціни на ф'ючерси на зерно, курс долара до рубля та активність споживачів електроенергії. Курс надає теоретичні знання про базові техніки, моделі та методологію аналізу часових рядів, а також про рекурентні нейронні мережі, LSTM, GRU, ConvLSTM та BiLSTM. Курс містить 4 відео та сертифікат про успішне завершення.

полезно для проектирования зданий, инфраструктуры и строительства, а также для разработки продуктов и планирования... Цей курс призначений для тих, хто хоче отримати глибокі знання з 3d max. 3Ds Max це програмне забезпечення для 3D-моделювання, анімації та рендерингу, створене та розроблене для ігор та візуалізації дизайну. Курс допоможе вам створювати будь-які 3D-об'єкти, навчитися полігонному моделюванню та моделюванню за допомогою ліній. Ви отримаєте повний пожиттєвий доступ до курсу, сертифікат про успішне його завершення та зможете користуватися ним на мобільних пристроях та телевізорі.

Методист по автоматизации: Мария Шугурова, МГУ и НИУ ВШЭ (бизнес-планирование).... Курс присвячений роботі з кластеризацією даних та пошуку аномалій на прикладі задачі хакатона Яндекс.Недвижимости по прогнозу срока экспозиции объявлений. Курс розбитий на 4 частини, в яких вивчаються основні моделі кластеризації, розширені моделі кластеризації, пошук аномалій та класифікація через кластеризацію. Курс призначений для аналітиків Python, які вивчають машинне навчання.

Методист по автоматизации: Мария Шугурова, МГУ и НИУ ВШЭ (бизнес-планирование).... Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на [email protected] с названием курса или группы курсов, которые хотите пройти.Это завершающий курс программы Машинное обучение от ITtensive., В этом курсе мы разберем 3 задачи обучения с подкреплением:1. Игра в крестики-нолики на доске 3x3. Запрограммируем среду, условия выигрыша и обучим простых и не очень агентов (игроков) сводить игру к ничье. На примере базовых стратегий рассмотрим работу уравнения Беллмана, Q-обучения и обучения с преследованием.Используя различные стратегии, включая эпсилон жадные и оптимизированные эпсилон жадные, сравним их эффективность при игре друг с другом.Проект: разработка собственного выигрышного агента для игры в крестики-нолики.2. Задача балансировка тележки в физическом окружении. Используем CartPole AI Gym и научимся балансировать тележку в зависимости от данных сенсоров. Изучим принципы построения нейросети обучения с подкреплением (DQN = Deep Q-Network) и используем ее для ускорения и стабилизации процесса обучения.Сравним обучение агента на случайных процессах, на изучении распределения состояний среды (априорные и постериорные вероятности), на эмуляции кратковременной и долговременной памяти агента, разберем проблемы обучения и оптимизации полносвязной нейросети.Проект: разработка оптимизированной DQN для балансировки тележки.3. Игра в блекджек (21 очко). Используем окружение AI Gym для расчета оптимальных ходов при игре в Блекджек. Используем методы Монте-Карло, включая одиночные и множественные касания, единую и разделенную политики, а также оптимизацию исследовательских стартов.Визуализируем оптимальную политику поведения агента через изоповерхности в пространстве состояний среды.Проект: расчет оптимальной стратегии игры в блекджек.

Методист по автоматизации: Мария Шугурова, МГУ и НИУ ВШЭ (бизнес-планирование).... Внимание: для доступа к курсам ITtensive на Udemy напишите, пожалуйста, на [email protected] с названием курса или группы курсов, которые хотите пройти.Работа с большими данными и задачами искусственного интеллекта требует особого подхода - подхода машинного обучения. В этом курсе мы последовательно пройдем все этапы работы с данными: от видов задач и их постановки до работы с моделями машинного обучения для минимизации предсказательной ошибки.Дополнительно рассмотрим фундаментальные основы построения моделей машинного обучения, базовые метрики и наиболее простые модели – линейную и логистическую регрессии.В курсе изучается:Классификация задач машинного обучения.Процесс машинного обучения: ETL, EDA, подготовка данных, обучение модели.Особенности обучения модели: выборки, переобучение и гиперпараметры.Оптимизация гиперпараметров жадным поиском, через гиперкуб и парзеновские деревья.Отличия переобученной модели и недообученной, практики оптимального обучения.Работа с форматов хранения данных - HDF5.«Проклятье» большой размерности.Подходы к простым моделям машинного обучения: метод максимального правдоподобия и метод наименьших квадратов, среднеквадратичная ошибка.Подходы к заполнению пропусков в данных: интерполяция и экстраполяция.Метрики задач регрессии: эвклидово расстояние, расстояние городских квадратов, Чебышева и Минковского.Линейная регрессия с регуляризацией и без.Изотоническая регрессия.Критерии выбора сложности модели: BIC и AIC.Линеаризуемая и полиномиальная регрессия.Логистическая регрессия.После завершения курса вы сможете организовывать процесс разработки моделей машинного обучения и перейти к более глубокому и прикладному изучению тему машинного обучения.Курс является вводным (базовым) и подойдет широкому кругу слушателей: от руководителей до разработчиков.Основные задачи машинного обучения:1) Задача регрессии – прогноз на основе выборки объектов с различными признаками. На выходе должно получиться вещественное число (2, 35, 76.454 и др.), к примеру цена квартиры, стоимость ценной бумаги по прошествии полугода, ожидаемый доход магазина на следующий месяц, качество вина при слепом тестировании.2) Задача классификации – получение категориального ответа на основе набора признаков. Имеет конечное количество ответов (как правило, в формате «да» или «нет»): есть ли на фотографии кот, является ли изображение человеческим лицом, болен ли пациент раком.3) Задача кластеризации – распределение данных на группы: разделение всех клиентов мобильного оператора по уровню платёжеспособности, отнесение космических объектов к той или иной категории (планета, звёзда, чёрная дыра и т. п.).4) Задача уменьшения размерности – сведение большого числа признаков к меньшему (обычно 2–3) для удобства их последующей визуализации (например, сжатие данных).5) Задача выявления аномалий – отделение аномалий от стандартных случаев. На первый взгляд она совпадает с задачей классификации, но есть одно существенное отличие: аномалии – явление редкое, и обучающих примеров, на которых можно натаскать машинно обучающуюся модель на выявление таких объектов, либо исчезающе мало, либо просто нет, поэтому методы классификации здесь не работают. На практике такой задачей является, например, выявление мошеннических действий с банковскими картами.

Confluence 10:34 Дополнительные полезные средства и ресурсы 02:37 Общий темплейт качества проекта 29:51 Планирование... Даний курс призначений для початківців проектних менеджерів, IT-фахівців, які бажають перейти в менеджери, проектних менеджерів, які бажають перейти в IT-домен, та всіх, хто бажає присвятити себе проектному менеджменту в IT. Курс надає всю необхідну інформацію для розуміння суті завдань та очікувань від роботи Project Manager в IT Outsource, роботи за гнучкими проектними методологіями, управління інфраструктурою проектів, особливостей та суті взаємодії з різними спеціалістами в IT, розуміння хороших процесів, алгоритмів виконання різних додаткових активностей PM'a в IT Outsource, практичного використання більшості необхідних артефактів протягом першого року роботи PM. Курс також охоплює SCRUM, Kanban, управління ризиками, змінами, ресурсами, комунікацією, інфраструктурою проекту, репортінг, upsales, pre-sales, роботу з договорами.

Методист по автоматизации: Мария Шугурова, МГУ и НИУ ВШЭ (бизнес-планирование).... Курс розроблений для аналітиків Python, які вивчають машинне навчання. У курсі розглядаються методи машинного навчання без учителя на Python. Курс складається з 7 частин, в яких розглядаються наступні теми: робота з даними, лінійна регресія, регуляризація, метод головних компонент, кластеризація, DBSCAN, HDBSCAN, OPTICS, SOM. Курс містить 2 задачі з хакатонів 2020 року: прогнозування тривалості життя в Росії та прогнозування терміну експозиції оголошень на Яндекс.Нерухомість. Курс містить багато практичних завдань та прикладів.

Введение 02:46 Жизненные ценности и практики 08:05 Планирования жизни 04:38 Cтратегия развития на Upwork... Курс Upwork. Як почати заробляти на Фрілансі. Курс призначений для початківців фрілансерів, фрілансерів на ринку СНД, які хочуть перейти на міжнародний ринок, тих, хто шукає можливість працювати віддалено, з дому або з будь-якої точки світу, тих, хто шукає додатковий заробіток. Програма курсу буде корисна, якщо ви: тільки починаєте; хочете працювати на Upwork, але не знаєте, з чого почати, хотіли б мати чіткий план дій для швидкого старту та системного розвитку; перепробували різні підходи і зробили десятки помилок, але все ж таки не вдалося стартувати на фрілансі; взяли кілька проектів, але більше не вдається взяти замовлення. Дізнаєтеся, як системно та без пауз розвиватися на біржі; як можете заробляти від 1000 доларів, працюючи вдома або в подорожі; правильно спілкуватися з клієнтом; правильно фільтрувати проекти та вибирати адекватних клієнтів; писати листи клієнтам (cover letter), на які дійсно відповідають; дізнаєтеся психологію клієнта завдяки лекції від реального клієнта з Голландії.

Планирование нового образа жизни, советы, подсказки.... Цей курс допоможе вам зрозуміти основи кетогенної дієти та надасть інформацію про правильні стратегії та інструменти, необхідні для переключення метаболізму на жироспалення. Курс підготовлений спільно з доктором ендокринологом, доктором профілактичної медицини, тренером, нутриціологом та домашнім поваром. Курс містить відеоуроки, рецепти та постійну обратну зв'язок від експертів курсу в чаті Телеграмм.

Компонент Input 06:50 Упражнение - Компонент Textarea 03:03 Компонент поиска 13:18 Компонент продукта - планирование... Next.js готовый к production framework для React самой популярной JavaScript библиотеки на сегодняшний день. Курс предназначен для начинающих frontend разработчиков, которые хотят попробовать React или познакомиться с NextJS, а также для backend разработчиков, которые хотят развиваться во frontend. В рамках курса вы научитесь разрабатывать реальные приложения на NextJS и React, работать с React Hooks, понимать работу SSR и создавать SEO-friendly сайты, верстать макеты на CSS Grid, работать с анимацией и библиотекой Framer, обеспечивать доступности приложения и работать с ARIA атрибутами, подготавливать ваше приложение к production, работать с формами, их отправкой и валидацией, писать на TypeScript, собирать production проект и настраивать eslint, stylelint и отладку. От вас требуется только базовое знание CSS, HTML и JavaScript.

58 useCallback & dependencies 08:00 Первые Итоги 05:09 Подробнее о Состоянии и Компонентах 04:06 Планирование... У цьому курсі ви навчитеся розробляти сучасні веб-додатки за допомогою найпопулярнішої бібліотеки React. Ви будете вивчати React на практиці, використовуючи всі сучасні патерни, ключові поняття та продвинуті концепції. Крім того, ви навчитеся вирішувати проблеми, структурувати та організовувати код. Для успішного проходження курсу потрібні базові знання веб-розробки та JavaScript.